Statistiek
Hoofdstuk 1
Statistiek:
= de wetenschap die zich bezighoudt met het: van info
(= data)
- verzamelen
- ordenen
- analyseren
- interpreteren
Basisconcepten
Onderzoeksvraag: Vraag waarop een statisch onderzoek
antwoord moet geven
Populatie: Verzameling van alle te bestuderen
objecten in het onderzoek
Steekproefkader: Administratieve weergave van de
populatie (lijst waaruit steekproef
wordt getrokken)
Steekproef: Deelverzameling van de populatie
waarop de waarnemingen verricht
worden
Variabelen: Kenmerken die onderzocht worden
Dataset: Geheel van verzamelde data om
onderzoeksvraag te beantwoorden
Steekproefeigenschappen
Steekproef:
= deelverzameling van de populatie waarop de waarnemingen verricht
worden
→ Steekproef moet: - een representatieve weer-
gave tonen
- aselect zijn
- betrouwbaar zijn
ASELCTIVITEIT BETROUWBAARHEID
= Alle elementen vd steekproef = bij herhaling van de
moeten gelijke kans hebben om steekproeftrekking dient men
een steekproef te bekomen globaal dezelfde resultaten te
bekomen
Types
NIET variabelen
aselect: subjectieve proef
=> Bias: vertekend beeld Afhankelijk van steekproefgrootte
(n)
, Variabelen
Kwantitatieve variabelen Kwalitatieve variabelen
= numerieke waarden = geen numerieke waarden
Continue Discrete Nominale Ordinale
variabelen variabelen variabelen variabelen
=> alle waarden => hele getallen => Zonder => Met volgorde
bv. Tailleomtrek bv. Aantallen volgorde
prijzen leeftijd
kommagetallen …
Dataverzameling
- Enquete
- Observatie
- Experiment
- …
Waarom dataverwerking? => ruwe dataset ordenen tot informatie
Grafische voorstelling
→ Data voor te stellen
→ Data op correcte manier visualiseren
Elementen grafiek Soorten grafische voorstellingen
→ Titel → Pictogram
→ Legende → Cirkeldiagram
→ Bronvermelding → Staafdiagram
→ Assen → Stapeldiagram
→ Paretodiagram
→ Grootheid + eenheid
→ Spreidingsgrafiek
→ nulpunt
→ Grafiek met tijd-as
→ Histogram
zie ppt
Stappenplan dataverzameling
1. Formuleren van onderzoeksvraag
2. Definiëren van de populatie
3. Definiëren van steekproefkader
4. Trekken van de steekproef
5. Data- verzameling
6. Data verwerking
, Waarom dataverwerking?
DIKW- model
Dingen gaan voorspellen
Wisdom
Verbanden zoeken
Knowledge
Information
Data
Kwalitatieve gegevens verwerken
→ Nominale variabelen → NIET numerieke data
→ Ordinale variabelen
Data groeperen in: - frequentietabel
- kruistabellen
Frequentietabel Tabel waarin staat hoeveel keer
een bepaalde waarneming uit de
dataset voorkomt
Frequentie Mate waarin een waarneming
voorkomt
Absolute Frequentie (ni) Relatieve frequentie (fi)
= aantal keer dat de waarneming = aantal keer dat een
voorkomt waarneming voorkomt (ni) / totaal
aantal waarnemingen (n)
n= steekproefgrootte
Hoofdstuk 1
Statistiek:
= de wetenschap die zich bezighoudt met het: van info
(= data)
- verzamelen
- ordenen
- analyseren
- interpreteren
Basisconcepten
Onderzoeksvraag: Vraag waarop een statisch onderzoek
antwoord moet geven
Populatie: Verzameling van alle te bestuderen
objecten in het onderzoek
Steekproefkader: Administratieve weergave van de
populatie (lijst waaruit steekproef
wordt getrokken)
Steekproef: Deelverzameling van de populatie
waarop de waarnemingen verricht
worden
Variabelen: Kenmerken die onderzocht worden
Dataset: Geheel van verzamelde data om
onderzoeksvraag te beantwoorden
Steekproefeigenschappen
Steekproef:
= deelverzameling van de populatie waarop de waarnemingen verricht
worden
→ Steekproef moet: - een representatieve weer-
gave tonen
- aselect zijn
- betrouwbaar zijn
ASELCTIVITEIT BETROUWBAARHEID
= Alle elementen vd steekproef = bij herhaling van de
moeten gelijke kans hebben om steekproeftrekking dient men
een steekproef te bekomen globaal dezelfde resultaten te
bekomen
Types
NIET variabelen
aselect: subjectieve proef
=> Bias: vertekend beeld Afhankelijk van steekproefgrootte
(n)
, Variabelen
Kwantitatieve variabelen Kwalitatieve variabelen
= numerieke waarden = geen numerieke waarden
Continue Discrete Nominale Ordinale
variabelen variabelen variabelen variabelen
=> alle waarden => hele getallen => Zonder => Met volgorde
bv. Tailleomtrek bv. Aantallen volgorde
prijzen leeftijd
kommagetallen …
Dataverzameling
- Enquete
- Observatie
- Experiment
- …
Waarom dataverwerking? => ruwe dataset ordenen tot informatie
Grafische voorstelling
→ Data voor te stellen
→ Data op correcte manier visualiseren
Elementen grafiek Soorten grafische voorstellingen
→ Titel → Pictogram
→ Legende → Cirkeldiagram
→ Bronvermelding → Staafdiagram
→ Assen → Stapeldiagram
→ Paretodiagram
→ Grootheid + eenheid
→ Spreidingsgrafiek
→ nulpunt
→ Grafiek met tijd-as
→ Histogram
zie ppt
Stappenplan dataverzameling
1. Formuleren van onderzoeksvraag
2. Definiëren van de populatie
3. Definiëren van steekproefkader
4. Trekken van de steekproef
5. Data- verzameling
6. Data verwerking
, Waarom dataverwerking?
DIKW- model
Dingen gaan voorspellen
Wisdom
Verbanden zoeken
Knowledge
Information
Data
Kwalitatieve gegevens verwerken
→ Nominale variabelen → NIET numerieke data
→ Ordinale variabelen
Data groeperen in: - frequentietabel
- kruistabellen
Frequentietabel Tabel waarin staat hoeveel keer
een bepaalde waarneming uit de
dataset voorkomt
Frequentie Mate waarin een waarneming
voorkomt
Absolute Frequentie (ni) Relatieve frequentie (fi)
= aantal keer dat de waarneming = aantal keer dat een
voorkomt waarneming voorkomt (ni) / totaal
aantal waarnemingen (n)
n= steekproefgrootte
